CN109690657A - 学习和适应的智能教程 - Google Patents

学习和适应的智能教程 Download PDF

Info

Publication number
CN109690657A
CN109690657A CN201780054130.5A CN201780054130A CN109690657A CN 109690657 A CN109690657 A CN 109690657A CN 201780054130 A CN201780054130 A CN 201780054130A CN 109690657 A CN109690657 A CN 109690657A
Authority
CN
China
Prior art keywords
vehicle
auxiliary
profile
instruction
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780054130.5A
Other languages
English (en)
Other versions
CN109690657B (zh
Inventor
D.M.西岛
L.科德斯
S.霍加德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renault SAS
Nissan Motor Co Ltd
Original Assignee
Renault SAS
Nissan North America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renault SAS, Nissan North America Inc filed Critical Renault SAS
Publication of CN109690657A publication Critical patent/CN109690657A/zh
Application granted granted Critical
Publication of CN109690657B publication Critical patent/CN109690657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G09B9/042—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles providing simulation in a real vehicle
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/16—Control of vehicles or other craft
    • G09B19/167—Control of land vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

用于适应的智能教程的方法、装置和非暂时性计算机可读存储介质可以辅助车辆的操作，该操作包括生成情境简档，该情境简档包括驾驶员身份数据、车辆状态数据或车外状态数据。将情境简档与包括聚合身份数据、聚合车辆状态数据或聚合车外状态数据的辅助简档进行比较。辅助简档对应于辅助指令。基于该比较，基于情境简档和辅助简档之间的比较生成对应于辅助简档的相似度值。最大相似度值对应于与情境简档最相似的辅助简档。响应于使用频率值超过使用频率阈值，可以选择对应于与情境简档最相似的辅助简档的辅助指令。

Description

学习和适应的智能教程
技术领域
本申请涉及车辆操作，包括用于车辆操作的方法、装置和非暂时性计算机可读介质，该车辆操作包括适应智能教程(adaptive smart tutorial)。
背景技术
车辆通常伴有某种类型的参考材料，通常是印刷用户手册(owner’s manual)，其列出并描述了车辆的各种特征和属性。最近，用户手册以电子形式提供，提供了电子可搜索版本的印刷用户手册的便利性。
然而，通常情况下，无论是纸质形式还是电子形式，用户手册很少(如果有的话)被查看。当用户的确查阅用户手册时，可能只是诊断特定问题，或解释车辆提供的特定指示或警告。因此，车辆的许多特征(尤其是更新或更高级的特征)保持未使用，或者如果使用，则不经常使用或无效使用。
发明内容
本文公开了基于驾驶员与车辆的交互来学习和适应的智能教程的各方面、特征、元件、实施方式和实施方式。
所公开的实施方式的一方面是提供用于车辆操作的智能教程的方法。该方法包括：由处理器生成包括驾驶员身份数据、车辆状态数据或车外(extra-vehicular)状态数据的情景简档，其中驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，车辆状态数据基于车辆的车辆控制状态，并且车外状态数据基于与一个或多个车外物体相对应的车外物体状态；由处理器将情景简档与多个辅助简档进行比较，该多个辅助简档包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据，其中，多个辅助简档对应于多个辅助指令；由处理器基于情境简档与多个辅助简档之间的比较，生成与多个辅助简档相对应的多个相似度值，其中多个相似度值的最大相似度值对应于多个辅助简档中与情境简档最相似的辅助简档，以及对应于多个使用频率值中对应于辅助简档的使用频率值；以及响应于使用频率值超过使用频率阈值，由处理器选择多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联。
所公开的实施方式的一方面包括一种用于车辆操作的智能教程的装置，该装置包括非暂时性存储器、以及被配置成运行存储在非暂时性存储器中的指令的处理器。该指令包括指令以：生成包括驾驶员身份数据、车辆状态数据或车外状态数据的情境简档，其中驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，车辆状态数据基于车辆的车辆控制状态，并且车外状态数据基于与一个或多个车外物体相对应的车外物体状态；将情境简档与多个辅助简档进行比较，该多个辅助简档包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据，其中，多个辅助简档对应于多个辅助指令；基于情景简档和多个辅助简档之间的比较，生成与多个辅助简档相对应的多个相似度值，其中多个相似度值的最大相似度值对应于多个辅助简档中与情景简档最相似的辅助简档，以及对应于多个使用频率值中对应于辅助简档的使用频率值；以及响应于使用频率值超过使用频率阈值，选择多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联。
所公开的实施方式的一方面是一种非暂时性计算机可读存储介质，该存储介质包括可由一个或多个处理器运行的程序指令，当被运行时，该程序指令使得一个或多个处理器执行用于提供用于车辆操作的智能教程的操作。该操作包括：生成包括驾驶员身份数据、车辆状态数据或车外状态数据的情境简档，其中驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，车辆状态数据基于车辆的车辆控制状态，并且车外状态数据基于与一个或多个车外物体相对应的车外物体状态；将情境简档与多个辅助简档进行比较，该多个辅助简档包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据，其中，多个辅助简档对应于多个辅助指令；基于情景简档和多个辅助简档之间的比较，生成与多个辅助简档相对应的多个相似度值，其中多个相似度值的最大相似度值对应于多个辅助简档中与情景简档最相似的辅助简档，以及对应于多个使用频率值中对应于辅助简档的使用频率值；以及响应于使用频率值超过使用频率阈值，选择多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联。
在以下对实施例、所附权利要求和附图的详细描述中公开了本公开的这些和其他方面。
附图说明
当结合附图阅读时，从以下详细描述中可以最好地理解本发明。需要强调的是，根据惯例，附图的各种特征不是按比例的。相反，为了清楚起见，各种特征的尺寸被任意扩大或缩小。
图1是其中可以实施本文公开的方面、特征和元件的车辆的一部分的示例的图。
图2是其中可以实施本文公开的方面、特征和元件的车辆运输和通信系统的一部分的示例的图。
图3是根据本文的教导的学习和适应的智能教程的方法的流程图。
图4是呈现根据本公开的经由图形显示器的智能巡航控制请求的图形图示的图。
图5是根据本公开通过图形显示器呈现速度调节请求的图形图示的图。
图6是示出根据本公开的在车辆运输网络的一部分内利用智能教程装置的车辆的图。
图7是示出根据本公开的在包括其他车辆的车辆运输网络的一部分内利用智能教程装置的车辆的图。
图8是根据本公开的教程通知随时间的频率的图形图示。
图9是根据本公开的基于智能教程装置的使用的实验数据的图形图示。
具体实施方式
车辆是复杂的系统，它将机械和电子特征集成到单个统一的系统中，掌握这些特征可能需要大量的时间投入。学习操作车辆的普通方式，诸如通过熟悉车辆手册、参加驾驶课程、或简单反复试验(trial and error)，均是低效、无效或不方便的。
因此，需要一种更好的方式来指导驾驶员使用车辆的许多特征。理想情况下，驾驶员将以直观的方式教学，并在适当的时间和适当的环境下提供相关课程。以这种方式，驾驶员对车辆的了解将以方便的方式得到增强。另外，通过更好地利用先前未充分利用的特征，可以改进车辆的性能。
因此，所公开的技术能够提供智能教程的优点，该智能教程实时地学习并适应驾驶员和环境两者。所公开的技术包括智能教程装置，其被设计为通过教程改进驾驶员对车辆的操作。此外，所公开的技术利用了众多优点，包括计算机学习、数据挖掘、实时数据分析和传感器输入的实时处理，以向驾驶员提供改进的驾驶经验，其中向驾驶员呈现以方便的方式学习车辆的相关特征的机会。
如本文所使用的，术语“计算机”或“计算设备”包括能够执行本文公开的任何方法或其任何一个或多个部分的任何单元或单元的组合。
如本文所使用的，术语“处理器”表示一个或多个处理器，诸如一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个应用处理器、一个或多个专用集成电路、一个或多个专用标准产品；一个或多个现场可编程门阵列、任何其它类型或组合的集成电路、一个或多个状态机或其任何组合。
如本文所使用的，术语“存储器”指示可以有形地包含、存储、通信或传送可以由任何处理器使用或与任何处理器结合使用的任何信号或信息的任何计算机可用或计算机可读介质或设备。例如，存储器可以是一个或多个只读存储器(read only memory，ROM)、一个或多个随机存取存储器(random access memory，RAM)、一个或多个寄存器、低功率双倍数据速率(low power double data rate，LPDDR)存储器、一个或多个高速缓冲存储器、一个或多个半导体存储器件、一个或多个磁介质、一个或多个光学介质、一个或多个磁光介质或其任何组合。
如本文所使用的，术语“指令”可以包括用于执行本文公开的任何方法或其任何一部分或多部分的指示或表达，并且可以以硬件、软件或其任何组合来实现。例如，指令可以被实施为存储在存储器中的信息，诸如计算机程序，其可以由处理器运行以执行如本文所述的任何相应方法、算法、方面或其组合。在一些实施方式中，指令或其一部分可以被实施为专用处理器或电路，其可以包括用于执行本文所述的任何方法、算法、方面或其组合的专用硬件。在一些实施方式中，指令的部分可以分布在单个设备上、多个设备上的多个处理器上，这些多个设备可以直接通信或者通过诸如局域网、广域网、互联网或其组合的网络通信。
如本文所使用的，术语“示例”、“实施例”、“实施方式”、“方面”、“特征”或“元件”表示用作示例、实例或说明。除非明确指出，否则任何示例、实施例、实施方式、方面、特征或元件彼此独立于其他示例、实施例、实施方式、方面、特征或元素，并且可以与任何其他示例、实施例、实施方式、方面、特征或元件组合使用。
如本文使用的，术语“确定”、“识别”和“生成”或其任何变体包括使用本文示出和描述的一个或多个设备以任何方式选择、断定、计算、查找、接收、确定、建立、获得或以其他方式识别或确定以任何方式使用本文所示和所述的一个或多个设备。
如本文所用，术语“或”旨在表示包含性的“或”而非排他性的“或”。也就是说，除非另有说明或从上下文中清楚，否则“X包括A或B”旨在表示任何自然的包含性排列。也就是说，如果X包括A；X包括B；或者X包括A和B，然后在任何前述情况下满足“X包括A或B”。另外，本申请和所附权利要求中使用的冠词“一”和“一个”通常应理解为表示“一个或多个”，除非另有说明或从上下文清楚地指向单数形式。
此外，为了简化说明，尽管本文中的附图和描述可以包括步骤或阶段的序列或一系列步骤或阶段，但是本文公开的方法的元件可以以各种顺序或同时发生。另外，本文公开的方法的元件可以与本文未明确呈现和描述的其他元件一起发生。此外，并非需要本文描述的方法的所有元件来实施根据本公开的方法。尽管本文以特定组合描述了方面、特征和元件，但是每个方面、特征或元件可以独立使用或者与其他方面、特征和元件一起使用或不与其他方面、特征和元件组合使用。
图1是车辆1000的示例的图，其中可以实施本文公开的各方面、特征和元件。图1示出了车辆1000，包括底盘1100、动力系1200、控制器1300、车轮1400、或车辆的任何其他元件或元件的组合。尽管为了简单起见，车辆1000被示出为包括四个车轮1400，但是可以使用任何其他推进设备或多个推进设备，诸如螺旋桨或胎面。在图1中，诸如动力系1200、控制器1300和车轮1400的互连元件的线表示诸如数据或控制信号、诸如电功率或转矩(torque)的动力、或者信息和功率两者可以在相应元件之间通信。例如，控制器1300可以从动力系1200接收动力并且可以与动力系1200、车轮1400或两者通信以控制车辆1000，其可以包括加速、减速、转向或以其他方式控制车辆1000。
动力系1200可包括能量源1210、变速器1220、转向单元1230、致动器1240、或动力系的任何其他元件或元件的组合，诸如悬架、驱动轴、轮轴或排气系统。虽然分离地示出，但是车轮1400可以包括在动力系1200中。
能量源1210可以包括发动机、电池或其组合。能量源1210可以是可操作以提供能量(诸如电能、热能或动能)的任何设备或设备的组合。例如，能量源1210可以包括发动机，诸如内燃发动机、电动机、或内燃发动机和电动机的组合，并且可操作以向车轮1400中的一个或多个提供动能作为动力。在一些实施方式中，能量源1400可以包括势能单元，诸如一个或多个干电池，诸如镍镉(NiCd)、镍锌(NiZn)、镍金属氢化物(NiMH)、锂离子(Li-ion)电池；太阳能电池；燃料电池；或能够提供能量的任何其他设备。
变速器1220可以从能量源1210接收能量，诸如动能，并且可以将能量发送到车轮1400以提供动力。变速器1220可以由控制单元1300、致动器1240或两者控制。转向单元1230可以由控制单元1300、致动器1240或两者控制，并且可以控制车轮1400以使车辆1000转向。车辆致动器1240可以从控制器1300接收信号，并且可以致动或控制能量源1210、变速器1220、转向单元1230或其任何组合以操作车辆1000。
如图1所示，控制器1300可以包括位置单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370、智能教程单元1390或其任何组合。尽管示出为单个单元，但是控制器1300的任何一个或多个元件可以集成到任何数量的单独物理单元中。例如，用户接口1350和处理器1330可以集成在第一物理单元中，并且存储器1340可以集成在第二物理单元中。尽管未在图1中示出，但是控制器1300可以包括能量源，诸如电池。尽管示出为分离的元件，但是位置单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370、智能教程单元1390、或其任何组合可以集成在一个或多个电子单元、电路或芯片中。
处理器1330可以包括能够操纵或处理信号或其它现在存在或以后开发的信息的任何设备或设备组合，包括光学处理器、量子处理器、分子处理器或其组合。例如，处理器1330可以包括一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个集成电路、一个或多个专用集成电路、一个或多个现场可编程门阵列、一个或多个可编程逻辑阵列、一个或多个可编程逻辑控制器、一个或多个状态机或其任意组合。处理器1330与位置单元1310、存储器1340、电子通信接口1370、电子通信单元1320、用户接口1350、传感器1360、智能教学单元1390、动力系1200、或其任意组合可操作地耦合。例如，处理器可以经由通信总线1380与存储器1340可操作地耦合。
存储器1340可以包括任何有形的非暂时性计算机可用或计算机可读介质，其能够例如包含、存储、通信或传送机器可读指令或与其相关联的任何信息，以供处理器1330使用或与处理器1330结合使用。存储器1340可以是例如一个或多个固态驱动器、一个或多个存储卡、一个或多个可移动介质、一个或多个只读存储器、一个或多个随机存取存储器、一个或多个磁盘，包括硬盘、软盘、光盘、磁卡或光卡，或者适于存储电子信息的任何类型的非暂时性介质，或者其任意组合。
如图1所示，存储器1340的一部分可以经由通信总线1380耦合到智能教程单元1390。智能教程单元1390可以包括用于操作车辆1000、与远程数据源通信、确定车辆1000的状态、确定车辆1000外部的物体的状态、选择辅助指令、生成或提供辅助指示、提供教程或其任何组合的专用指令。
通信接口1370可以是无线天线(如图所示)、有线通信端口、光通信端口、或能够与有线或无线电子通信介质1500接口的任何其他有线或无线单元。尽管图1示出了经由单个通信链路进行通信的通信接口1370，但是通信接口1370可以被配置为经由多个通信链路进行通信。
通信单元1320可以被配置为经由有线或无线介质1500(诸如经由通信接口1370)发送或接收信号。尽管在图1中没有明确示出，但是通信单元1320可以被配置为经由任何有线或无线通信介质(诸如射频(radio frequency，RF)、紫外线(ultra violet，UV)、可见光、光纤、有线或其组合)来发送、接收或两者。尽管图1示出了单个通信单元1320和单个通信接口1370，但是可以使用任何数量的通信单元和任何数量的通信接口。
位置单元1310可以确定车辆1000的地理位置信息，例如经度、纬度、高度、行进方向或速度。例如，位置单元可以包括全球定位系统(global positioning system，GPS)单元、诸如启用广域增强系统(Wide Area Augmentation System，WAAS)的国家海洋电子协会(National Marine Electronics Association，NMEA)单元、无线电三角测量单元或其组合。位置单元1310可用于获得表示例如车辆1000的当前航向、车辆1000的二维或三维的当前位置、车辆1000的当前角度方向或其组合的信息。
用户接口1350可以包括能够与人接口的任何单元，诸如虚拟或物理键盘、触摸板、显示器、触摸显示器、扬声器、麦克风、摄像机、传感器、打印机或任何组合。用户接口1350可以与处理器1330可操作地耦合，如图所示，或者与控制器1300的任何其他元件耦合。尽管示出为单个单元，但是用户接口1350可以包括一个或多个物理单元。例如，用户接口1350可以包括用于与人和/或触摸显示器进行音频通信的音频接口，用于执行与人的视觉和基于触摸的通信。
传感器1360通常包括一个或多个传感器1360，诸如传感器阵列，其可操作以提供可用于控制车辆1000的信息。传感器1360可以提供关于车辆的当前运行特性的信息。当包括多个传感器1360时，它们可包括例如速度传感器、加速度传感器、转向角传感器、牵引相关传感器、制动相关传感器、或任何传感器或传感器组合，其可操作以报告关于车辆1000的当前动态情况的某些方面的信息。
传感器1360可包括一个或多个传感器，其可操作以获得关于车辆1000内的物理环境的状态和车辆1000外部的物理环境的信息。例如，传感器1360中的一个或多个可以检测道路几何形状和障碍物，诸如固定障碍物、车辆和行人。在一些实施方式中，传感器1360可以是或包括一个或多个摄像机、激光感测系统、红外感测系统、声感测系统、光传感器、热传感器、湿度传感器、振动感测系统、电流感测系统、电容感测系统、电阻感测系统或任何其他合适类型的车载环境感测设备，或现在已知或以后开发的设备的组合。在一些实施方式中，可组合传感器1360和位置单元1310。
尽管未分离地示出，但是车辆1000可以包括轨迹控制器。轨迹控制器可操作以获得描述车辆1000的当前状态和为车辆1000计划的路线的信息，并且基于该信息，确定并优化车辆1000的轨迹。轨迹控制器可以输出可操作为控制车辆1000的信号，使得车辆1000遵循由轨迹控制器确定的轨迹。例如，轨迹控制器的输出可以是优化的轨迹，其可以被提供给动力系1200、车轮1400或两者。优化的轨迹可以是控制输入，诸如一组转向角，每个转向角对应于时间点或位置。优化的轨迹可以是一个或多个车道、直线、曲线、路径或其组合。可以使用控制器1300的一个或多个元件至少部分地实施轨迹控制器。
车轮1400中的一个或多个可以是转向轮，其可以在转向单元1230的控制下枢转到转向角；推进轮，其可以被扭转以在变速器1220的控制下推进车辆1000；或者转向和推进轮，其可以操纵和推进车辆1000。
尽管未在图1中示出，但是车辆1000可以包括图1中未示出的单元或元件，诸如外壳、蓝牙模块、调频(frequency modulated，FM)无线电单元、近场通信(Near FieldCommunication，NFC)模块、液晶显示(liquid crystal display，LCD)显示单元、有机发光二极管(organic light-emitting diode，OLED)显示单元、扬声器或其任何组合。
图2是车辆运输和通信系统的一部分的示例的图，其中可以实施本文公开的方面、特征和元件。车辆运输和通信系统2000可以包括至少两个车辆2100/2110，车辆中的每一个可以与图1中所示的车辆1000类似地配置，其经由一个或多个车辆运输网络2200的一个或多部分行进，并且可以经由一个或多个电子通信网络2300进行通信。尽管未在图2中明确示出，但是车辆可以横穿未明确或完全包括在车辆运输网络中的区域，诸如越野区域。在实施方式中，一个或多个车辆运输网络可以包括道路、街道、高速公路、大路、路径、路线或可以由诸如车辆1000的车辆穿过的任何表面。
电子通信网络2300可以是例如多址接入系统，并且可以提供用于每个车辆2100/2110和一个或多个通信设备2400之间的通信，诸如语音通信、数据通信、视频通信、消息通信或其组合。例如，车辆2100/2110可以经由网络2300从通信设备2400接收信息，诸如表示车辆运输网络2200的信息。在本文描述的某些实施方式中，电子通信网络2300可以用于包含车辆2100的位置和轨迹信息的基本安全消息的车辆到车辆(vehicle-to-vehicle)通信。每个车辆2100/2110还可以将该信息直接通信给一个或多个其他车辆，如下面更详细地讨论的。
车辆2100/2110可经由有线通信链路(未示出)、无线通信链路2310/2320/2370、或任何数量的有线或无线通信链路的组合进行通信。例如，如图所示，车辆2100/2110可以经由地面无线通信链路2310、经由非地面无线通信链路2320或通过其组合进行通信。在一些实施方式中，地面无线通信链路2310可以包括以太网链路、串行链路、蓝牙链路、红外(infrared，IR)链路、紫外(UV)链路或能够提供电子通信的任何链路。
车辆2100/2110可以与其它车辆2100/2110进行通信。例如，主机或主体车辆(hostvehicle，HV)2100可经由直接通信链路2370或经由网络2300从远程或目标车辆(targetvehicle，RV)2110接收一个或多个自动车辆间消息，诸如基本安全消息。例如，远程车辆2110可以在限定的广播范围内，诸如300米，向主机车辆广播消息。主机车辆2100可以经由第三方接收消息，诸如信号中继器(未示出)或另一远程车辆(未示出)。车辆2100/2110可以基于定义的间隔(诸如100毫秒)周期性地发送一个或多个自动车辆间消息。
自动车辆间消息可以包括车辆识别信息、空间状态信息(诸如经度、纬度和/或海拔信息)、地理空间位置精度信息、运动学状态信息(诸如车辆加速度信息、偏航率信息、速度信息、车辆航向信息、制动系统状态信息、油门信息、方向盘角度信息或车辆路线信息)或车辆操作状态信息(诸如车辆尺寸信息、前照灯状态信息、转向信号信息、刮水器状态信息、变速器信息、或与发送车辆状态相关的任何其他信息或信息的组合)。例如，变速器状态信息可以指示发送车辆是处于空档状态、停车状态、前进状态还是倒车状态。
关于主机车辆2100和/或远程车辆2110的上述信息中的一些或全部可以从传感器接收而不是从自动车辆间消息接收。作为一个示例，通信单元1320可以接收SONAR(声呐)、RADAR(雷达)和/或LIDAR(激光雷达)信号，从中可以计算车辆位置、速度、加速度和瞬时航向。
车辆2100可以经由接入点2330与通信网络2300通信。可以包括计算设备的接入点2330可以被配置为经由有线或无线通信链路2310/2340与车辆2100、通信网络2300、一个或多个通信设备2400或其组合通信。例如，接入点2330可以是基站、基站收发器站(basetransceiver station，BTS)、Node-B、增强型Node-B(enhanced Node-B，eNode-B)、HomeNode-B(Home Node-B，HNode-B)、无线路由器、有线路由器、集线器、中继器、交换机或任何类似的有线或无线设备。尽管示出为单个单元，但是接入点可以包括任何数量的互连元件。
车辆2100可以经由卫星2350、或其他非地面通信装置与通信网络2300通信。可以包括计算设备的卫星2350可以被配置为经由一个或多个通信链路2320/2360与车辆2100、通信网络2300、一个或多个通信设备2400或其组合通信。尽管显示为单个单元，但卫星可包括任何数量的互连元件。
车辆2110可以类似地经由接入点2330和/或卫星2350与通信网络2300通信。
电子通信网络2300可以是被配置为提供语音、数据或任何其他类型的电子通信的任何类型的网络。例如，电子通信网络2300可以包括局域网(local area network，LAN)、广域网(wide area network，WAN)、虚拟专用网(virtual private network，VPN)、移动或蜂窝电话网、互联网或任何其他电子通信系统。电子通信网络2300可以使用通信协议，诸如传输控制协议(transmission control protocol，TCP)、用户数据报协议(user datagramprotocol，UDP)、互联网协议(internet protocol，IP)、实时传输协议(real-timetransport protocol，RTP)、超文本传输协议(Hyper Text Transport Protocol，HTTP)或其组合。尽管示出为单个单元，但是电子通信网络可以包括任何数量的互连元件。
车辆2100可以识别车辆的运输网络2200的一部分或状况。例如，车辆可以包括一个或多个车载(on-vehicle)传感器2150，诸如图1中所示的传感器1360，其可以包括速度传感器、车轮速度传感器、相机、陀螺仪、光学传感器、激光传感器、雷达传感器、声波传感器、加速度计或能够确定或识别车辆运输网络2200的一部分或状况的任何其他传感器或设备或其组合。
车辆2100可以使用经由网络2300通信的信息遍历一个或多个车辆运输网络2200的一部分或多部分，诸如表示车辆运输网络2200的信息、由一个或多个车载传感器2105识别的信息或其组合。
尽管为简单起见，图2示出了一个车辆运输网络2200、一个电子通信网络2300和一个通信设备2400，但是可以使用任何数量的网络或通信设备。车辆运输和通信系统2000可以包括未在图2中示出的设备、单元或元件。尽管每个车辆2100/2110被示出为单个单元，但是车辆可以包括任何数量的互连元件。
尽管示出车辆2100经由网络2300与通信设备2400通信，但是车辆2100和/或车辆2110可以经由任何数量的直接或间接通信链路与通信设备2400通信。例如，每个车辆2100/2110可以经由直接通信链路(诸如蓝牙通信链路)与通信设备2400通信。
结合本文公开的技术的实施方式描述的任何方法、过程或算法的步骤或操作可以以硬件、固件、由硬件运行的软件、电路或其任意组合来实施。为了便于说明，方法3000被描绘和描述为一系列步骤。然而，根据本公开的步骤可以以各种顺序发生或同时发生。另外，根据本公开的操作可以与本文未呈现和描述的其他操作一起发生。
图3是根据本文公开的教导的学习和适应的智能教程的方法的流程图。在一些实施方式中，用于学习和适应的智能教程的方法可以在车辆中实施，诸如图1中所示的车辆1000、或图2中所示的车辆2100/2110。在一些实施方式中，用于学习和适应的智能教程的方法可以在诸如图1中所示的控制器1300的计算设备或计算装置中实施。在实施方式中，用于学习和适应的智能教程的方法的一些或所有方面可以在组合本文描述的一些或所有特征的系统中实施。
方法3000在步骤3050开始，车辆1000生成包括驾驶员身份数据、车辆状态数据和车外状态数据的情景简档。在该示例中，用于车辆1000的身份数据可以指示车辆由有经验的驾驶员驾驶，车辆状态数据可以指示车辆1000的速度是100km/h，并且基于传感器1360，车外状态数据可以指示传感器1360范围内的建筑物的位置。此外，通信单元1320可以通过与远程交通服务器计算设备的连接提供指示：如果继续当前行程，则道路在接下来的20公里内没有交通或建筑。
作为非限制性示例，驾驶员身份数据可以包括：识别关于车辆1000的驾驶员的信息，诸如驾驶员姓名；驾驶员基于车辆的过去使用经验；与驾驶员相关联的车辆系统的配置，诸如优选的转向位置、座位位置或乘坐设置；驾驶员移动模式数据，诸如驾驶员已经驾驶到的位置和访问这些位置的时间；和驾驶员时间表数据，包括驾驶员使用过车辆的先前时间的车辆状态和环境。
作为非限制性示例，驾驶员身份数据可以包括与多个辅助指令相对应的多个使用频率值。多个辅助指令可以包括由车辆1000生成的指令，其可以作为辅助指示提供给驾驶员。辅助指令可以包括指令或建议，以激活或去激活(deactivate)车辆1000中的控制系统中的一个或多个，诸如前灯、制动器、智能巡航控件、辅助制动器、娱乐系统，或者包括可以由诸如控制器1300或动力系1200的控制装置控制的控制系统的任何控制系统。辅助指令可以包括指导驾驶员使用控制系统或车辆1000的教程。
辅助指令可以包括不允许使用控制系统中的一个或多个的指令，并且可以伴随有辅助指示，诸如为什么控制系统不可用或者为什么控制系统被允许使用但被禁用的听觉解释。辅助指令可以指示诸如巡航控制系统的控制系统在诸如封闭式停车库的特定环境中不可用。辅助指令可以伴随有听觉指示形式的辅助指示，该听觉指示是所选择的控制系统(在该实施方式中是巡航控制系统)优选地在诸如高速公路的开放道路上使用。
多个使用频率值可以基于车辆1000对多个辅助指令的选择或确定，或者基于驾驶员响应辅助指令激活或去激活控制系统之一。在实施方式中，使用频率值可以对应于多个辅助指令中的一个或多个，并且可以基于以下方式修改使用频率值：辅助指令的提供或使用；已经提供或使用辅助指令的总次数；已经提供或使用的辅助指令的最近时间；或者已经提供或使用辅助指令的频率。使用频率值可以是数值，并且车辆1000可以响应于提供给驾驶员或由驾驶员使用的辅助指令来跟踪使用频率值以及递增或递减使用频率值。
驾驶员身份数据可以与以下相关联：来自诸如钥匙或移动计算设备的车辆访问设备的输入；或诸如指纹或声纹生物传感器的生物传感器读数。车辆1000可以基于驾驶员与车辆访问设备的关联或生物传感器读数，为多个驾驶员维护单独的驾驶员身份数据。
车辆状态数据基于车辆的车辆控制状态，该车辆控制状态包括车辆在不同时间点的状态，这些时间点包括车辆处于操作的时间。车辆状态数据包括与车辆状态有关的数据，包括车辆的速度、方向和地理位置、控制系统的状态以及包括诊断信息的车辆中的部件的状态。车辆状态数据包括来自传感器1360的数据，包括但不限于：车辆1000的内部状态，诸如车辆1000内的温度，包括车厢或乘客舱内的温度；车辆1000内部的光量，包括从车辆1000外部进入车辆1000的光；或者车辆1000内的声级(sound level)。
车外状态数据基于对应于一个或多个车外物体的车外物体状态。车外状态包括对应于车辆外部的任何物体的状态。车外状态包括传感器1360从车辆1000外部的源收集的任何数据。车外状态包括但不限于：环境状态，包括天气状况，诸如温度信息或降水信息；诸如可以通过通信单元1320收集的地理位置；可以由传感器1360或通过诸如通过通信单元1320收集的数据而确定的地形特征；或者诸如传感器1360范围内的道路的或通过由控制器1300从本地数据源(诸如存储器1340)或车辆1000外部的远程数据源收集的数据来确定的任何表面的状态。
车外状态可以包括环境中各种物体(诸如车外物体，包括结构、车辆、行人以及车辆1000外部的任何其他有生命物体或无生命物体)的状态，诸如位置、方向或速度。
在步骤3100中，车辆1000将情景简档与多个辅助简档进行比较。多个辅助简档基于聚合身份数据、聚合车辆状态数据或聚合车外状态数据。情境简档和多个辅助简档之间的比较可以包括相应身份数据、聚合身份数据、车辆数据、聚合车辆数据、车外数据或聚合车外数据的一些或全部部分的比较。情景简档与多个辅助简档的比较可以包括将情境简档中的数据的属性和值与多个辅助简档中的数据的属性和值进行比较。附加地，该比较包括将情境简档中的属性和值与多个辅助简档中的属性或值的平均数(average)、平均值(mean)、模式或中值进行比较。
聚合身份数据包括来自一个或多个驾驶员的驾驶员身份数据的聚合，并且可以包括来自车辆1000的驾驶员的驾驶员身份数据。附加地，聚合身份数据可以包括基于以下各种属性之间的关系的身份关系数据：驾驶员数据；聚合身份数据；聚合车辆状态数据；或聚合车外状态数据。比较可以基于关系数据。
聚合车辆状态数据对应于车辆状态数据，并且包括如关于车辆状态数据所描述的来自多个车辆状态的属性和相应值。附加地，聚合车辆状态数据可以包括基于车辆状态数据中的属性之间的关系的车辆关系数据。
例如，聚合车外状态数据对应于车外状态数据，并且包括来自多个的属性和关于车外状态数据所描述的车外状态的值。附加地，车外状态数据包括基于车外状态数据中的各种属性之间的关系的车外关系数据。
多个辅助简档对应于多个辅助指令。多个辅助简档可以包括与来自多个辅助指令的至少一个辅助指令相对应的聚合身份数据、聚合车辆数据或聚合车外数据的部分。
在步骤3150中，车辆1000从一个或多个远程计算设备获得逆境状态值，诸如可以经由通信单元1320通过包括诸如蜂窝网络或网络2300的无线网络连接的网络连接来访问的服务器计算设备。在实施方式中，逆境状态值基于与影响车辆1000或车辆1000周围环境的过去事件或当前状态有关的逆境因素数据。
逆境因素数据包括但不限于：包括位置的地理状况数据；车辆周围预定区域的地形状况；天气数据，包括当前天气状况和天气预报；交通状况数据，包括当前交通的状态、过去交通模式以及在各种预定未来时间的预测交通；交通事故数据，包括车辆运输网络的一部分上的过去交通事故或道路事故的记录；车辆运输网络数据，包括道路关闭信息、建筑信息、车辆停止信息、交通规则(诸如速度限制)和分区数据(诸如学校区或住宅区)；或历史使用数据，包括车辆运输网络中在车辆1000预定距离内的一部分中过去事件的记录，诸如书写物、照片、视频或音频记录。
一个或多个逆境状态值可以存储在本地存储器中，诸如存储在存储器1340中，并且可以从本地存储器、远程计算设备或本地存储器和远程计算设备的组合获得一个或多个逆境状态值。
在步骤3200中，车辆1000基于逆境状态值修改或调整使用频率阈值。执行使用频率值的修改或调整，使得使用频率阈值相对于逆境状态值增大或减小。
可以在加权或比例的基础上修改使用频率阈值，使得与一个辅助指令相对应的使用频率值可以比另一个辅助指令的使用频率值受到更多或更少显著地影响。
以这种方式，通过增加或减少使用频率值，车辆1000可以增加或减少当情景简档与辅助简档匹配时选择辅助指令的可能性。
在步骤3250中，车辆1000生成多个辅助简档的相似度值，该相似度值可以基于情境简档和多个辅助简档之间的比较。相似度得分可以基于情境简档与多个辅助简档中的每一个相似的范围(extent)或程度(degree)。在该示例中，在有经验的驾驶员在车辆少且没有交通拥堵的道路上的情况下，最符合情境简档中的属性和值的辅助简档接收最大的相似度分数。因此，具有类似驾驶员经验、道路和交通状况的组合的辅助简档将生成比严重拥挤交通中新手驾驶员的辅助简档更高的相似度分数。
可以在图8中示出辅助简档的使用，其包括描绘通知水平曲线8100和专业水平曲线8200的驾驶员简档图8000。如驾驶员简档图8000所示，当驾驶员接收并使用与诸如智能巡航控制(intelligent cruise control，ICC)的控制系统的使用相关的通知或辅助指示时，通知水平曲线8100表示通知水平的变化，专业水平曲线8200表示专业水平随时间8300(一段时间)的变化。
如驾驶员简档图8000中所示，时间段8300可以被划分为时间间隔，其可以包括：新手时间段8300，用于表示驾驶员学习关于诸如ICC的控制系统的初始阶段或早期阶段；学习时间段8400，在此期间驾驶员具有使用控制系统的一些经验，在此期间通知8100的水平可以显着增加；以及有经验的时间段8500，在此期间可以降低通知8100的水平。
通知水平8600指示例如生成的通知或辅助指示的频率或数量。可以沿着通知水平8600的y轴指示通知的频率或数量的改变，由箭头8610指示的方向对应于通知或辅助指示的频率或数量的增加。驾驶员经验水平8700指示驾驶员的驾驶员经验水平，并且可以沿着驾驶员经验水平8700的x轴指示驾驶员经验的增加，由箭头8710指示的方向对应于驾驶员经验的增加。
通知水平可以表示通知或辅助指示的复杂性水平，其与驾驶员的专业水平密切匹配(基于过去驾驶员与ICC的交互来确定)。因此，例如，随着驾驶员的经验水平增加，通知或辅助指示的水平也增加。
当驾驶员获得高水平的经验或掌握控制系统时，可以减少或停止通知。以这种方式，驾驶员可以根据他们的专业水平来接收通知或辅助指示。具有低专业水平的驾驶员(诸如新手驾驶员)可能不会收到任何辅助指示或通知。随着驾驶员的专业水平提高，通知的频率或水平可能会增加。通知的频率或水平增加的速率可以基于驾驶员身份数据或聚合驾驶员身份数据。当驾驶员达到预定的专业水平，诸如有经验的专业知识水平时，可以停止或减少辅助指示或通知到非常低的频率。
情景简档中的各种属性或值以及多个辅助简档中的对应属性或值可以与对所生成的相似度值的相应贡献相等或不等地加权。情景简档中的属性或值的加权可以与控制系统的重要性相关，以便学习使用辅助制动的权重将比学习使用车辆娱乐系统更重要。
相似度值从最小到最大排名或排序，并且情境简档和多个辅助简档之间的相似度基于多个辅助简档中对应于最大相似度值的辅助简档，最大相似度值也将对应于多个使用频率值的使用频率值。
在步骤3300中，车辆1000确定或选择车辆的车辆路径和任何车外物体的车外路径。车辆路径基于多个车辆路径因素，包括但不限于车辆的速度、车辆的方向以及驾驶员身份数据，驾驶员身份数据可以包括与特定驾驶员身份相关联的驾驶模式，诸如，这辆车过去曾经去过的位置。在示例中，驾驶员身份数据可以包括工作位置、主要居住位置、学校位置或各种其他位置。基于车辆1000的位置接近先前访问的位置之一，可以计算车辆路径以包括先前访问的位置是潜在目的地的可能性。
车外路径包括移动的车外物体和静止的车外物体的路径，这些路径可以基于车外路径因素，包括车外物体的速度、车外物体的方向、以及车外物体身份数据。车外物体身份数据可以包括感知数据(诸如视频数据或听觉数据)，其可以被用于识别车外的物体。以这种方式，即使车外物体可能已经处于长期静止状态，也可以确定停在红灯或停车标志处的汽车的路径。传感数据可以用于识别诸如人或车辆的静止但可能诸如在停车标志、红灯处或交通繁忙的情况下很快移动的实体，。以这种方式，可以基于现有或估计的交通流量生成用于静止的实体的车外路径。
图6和图7示出了用于车辆路径确定和车外路径确定的两种情境。在图6中，与车辆1000类似地装备的车辆6200与车辆6300在双车道道路6100上。车载传感器6200指示仅一个其他车辆在传感器范围内(车辆6300)并且基于所确定的车辆6200的车辆路径和所确定的车辆6300的车外路径，两个车辆将不会彼此相交。在图6中的这种情境下，由于不相交车辆路径6110和车外路径6210，可以容易地选择辅助指令并生成相应的辅助指示。
在图7中，车辆7100跟随车辆路径7210并且非常靠近车辆7100，车辆7100已经停止在停车标志7030旁边并且将跟随车辆路径7210。如果车辆7200在车辆7300经过车辆7200之前前进，则车辆7300跟随可能与车辆路径7210相交的车辆路径7310。在车辆7100和车辆7200的前面是铁路穿越口7020。在实施方式中，车辆7100和包括车辆7200和车辆7300的车外物体的确定路径包括对交通标志的评估，诸如“停止(stop)”标志或红灯、以及道路布局和潜在障碍，诸如在某些时候无法通行的铁路道口(诸如火车穿越时)。在图7的情境中，为了避免分散驾驶员的注意力，可以不选择辅助指令并且不会生成辅助指示。
在步骤3350中，车辆1000确定车辆路径何时或是否将交汇车外路径中的至少一个。可以通过将在第一时间间隔处的特定位置处的车辆路径和车外路径绘制到第二时间间隔处的第二位置来进行确定，诸如从当前时间到当前时间之后的10秒时间。响应于确定车辆路径将交汇至少一个车外路径，进入“是”分支到达步骤3400。响应于确定车辆路径将不交汇车外路径中的至少一个，进入“否”分支到达步骤3450。
在步骤3400中，响应于确定绘制的车辆路径和至少一个车外路径可能在未来时间相交，车辆1000可以延迟选择辅助指令直到车辆路径已被调整以避开车外路径。车辆1000可以在车辆路径已经被调整之后延迟预定时间。以这种方式，当车辆路径和车外路径的潜在相交可能即将发生时，车辆1000将不会选择辅助指令。在实施方式中，车辆1000可以确定车辆1000与车外物体之间的距离。当车辆1000与车外物体之间的距离小于阈值距离时，车辆1000可以识别车外物体并且不提供辅助指示。车辆1000可以提供车辆路径与一个或多个车外路径的相交的可能性的辅助指示，诸如视觉或听觉指示。
在步骤3450中，车辆1000基于多个辅助简档中对应于最大相似度值的辅助简档来选择与情境简档最相似的辅助简档。因此，辅助简档对应于多个辅助指令之一。辅助指令包括驾驶员应如何以及何时操作控制系统输入以改变车辆控制状态的指示。辅助指令可以包括一系列指令，并且可以基于诸如驾驶员经验水平数据的驾驶员身份数据来选择该系列指令。
控制系统输入包括驾驶员能够激活或去激活以控制包括任何车辆子系统的车辆的操作的任何控制系统输入。控制系统输入包括但不限于转向、加速、制动、照明或音响系统，以及更先进的控制系统输入，诸如用于激活或去激活预测和智能系统的控制系统输入，诸如自动驾驶、智能巡航控制、预测性前方碰撞警告、车道偏离预防、智能制动辅助或盲点警告。
情境简档的选择可以取决于超过使用频率阈值的使用频率值(对应于辅助简档)。使用频率值可以与对应于辅助指令的控制系统相关联的使用量相关。使用频率值可以基于包括选择相应辅助指令的总次数、生成辅助指示的频率或多近已生成辅助指示而递增或递减。
使用频率值可以在1到100的范围内被分配初始值100。随着时间的推移，当驾驶员操作车辆10000时，每当辅助指示由驾驶员生成或作用时，使用频率值可以减小。这样，与辅助指令相对应的使用频率值可能随时间减小。当与使用频率阈值(其可以具有固定值)相比时，频繁使用的控制系统将对应于最终不会超过使用频率阈值的使用频率值，从而不会生成辅助指示。
使用频率阈值可以基于与辅助指令相关联的重要性或安全值降低到零或非常低的值。例如，与其中车辆将以高速即将交汇另一车辆的情景简档相对应的辅助指令可以具有零使用频率阈值，使得将始终选择辅助指令并且将始终生成相应的辅助指示。
在步骤3500中，车辆1000生成对应于所选择的辅助指令的辅助指示。作为非限制性示例，辅助指示包括：听觉指示，诸如铃声、振铃或口头指令；视觉指示，诸如闪光灯、彩色灯光或图形显示；或触觉指示，诸如振动。以这种方式，可以向驾驶员提供正在提供或即将提供辅助指令的一个或多个辅助指示。在示例中，当生成激活智能巡航控制(ICC)的辅助指示时，触觉马达可以使方向盘振动。智能巡航控制输入可以位于方向盘上，并且方向盘上的触觉反馈可以将驾驶员的注意力引导到ICC输入所在的区域，诸如方向盘。附加地，当生成辅助指示时，可以照亮ICC输入，从而便于驾驶员激活或去激活。
可以响应于作为辅助指示提供的相应辅助指令或者当驾驶员对辅助指示采取行动时，增加使用频率阈值。例如，辅助指令对应于情境简档。
在示例中，当包括关于如何操作汽车中的天窗的教程的辅助指示在五分钟前被先前地生成并被拒绝时，车辆1000可以不提供解释如何操作汽车中的天窗的辅助指示。
图4示出了可以在用户接口1350上生成的辅助指示，其在实施方式中可以集成到车辆1000的仪表板或控制面板中。如图4所示，辅助指令可以显示在显示单元4000上，显示单元4000是用户接口1350的一部分。显示单元4000可以显示：车速4100；请求驾驶员是否想要打开适应控制的书面辅助指示4200；高速公路状况的指示4300(选中标记)；天气状况的指示4400(晴朗)；和交通状况指示4500(低交通量)。
车辆1000可以访问远程服务器或云存储服务以基于实时或预测的交通信息、实时天气信息和实时高速公路信息来确定辅助指示。情境简档可以基于来自远程数据源的实时和预测数据。情景简档可以基于来自传感器1360的传感器数据，传感器1360可以用于评估车辆1000外部的状况。例如，传感器1360包括光传感器，其可以用于测量进入车辆1000的太阳光，从而确定车辆运输网络上的状况，诸如道路可见度。
在步骤3550中，车辆1000确定驾驶员身份数据何时指示车辆1000通过一个或多个控制系统输入进行自动系统控制，以改变车辆控制状态。自动系统控制包括对车辆操作的自动控制，诸如自动驾驶。响应于车辆1000确定驾驶员身份数据指示车辆1000的自动系统控制，进入“是”分支到步骤3600。响应于车辆1000确定驾驶员身份数据未指示车辆1000的自动系统控制，进入“否”分支到步骤3650。
在步骤3600中，响应于车辆1000确定驾驶员身份数据指示车辆100的自动系统控制，车辆1000依照所选择的辅助指令激活或去激活一个或多个控制系统。车辆可以向驾驶员提供车辆1000将激活或停用控制系统的通知指示，其包括视觉指示、听觉指示(诸如口头指令或音乐音调)、或者触觉指示。在激活或去激活控制系统之前，车辆可能需要驾驶员的确认。当驾驶员身份数据指示车辆1000的自动系统控制时，方法3000返回到步骤3050以生成新的情境简档。
在步骤3650中，车辆1000确定是否检测到反馈输入。在实施方式中，反馈输入激活控制系统输入。反馈输入包括驾驶员的任何类型的动作或输入，包括指示是否应该执行辅助指令的控制系统输入、手势或发声(vocalization)。传感器1360可以检测反馈，传感器1360可以包括麦克风和语音分辨系统，以捕获驾驶员输入的语音，确定驾驶员正在通信的内容，从而生成相关的辅助指令或辅助指示。响应于车辆1000确定检测到反馈输入，进入“是”分支到步骤3700。响应于车辆1000确定未检测到反馈输入，进入“否”分支步骤3850。
在步骤3700中，当反馈输入是根据辅助指示时，车辆1000基于反馈确定包括反馈的类型或反馈的时机(timing)。当反馈发生在生成辅助指示的预定时间段内，并且反馈对应于辅助指令时，则根据辅助指示确定反馈已经发生。在示例中，如果辅助指示包括激活挡风玻璃刮水器控制系统的听觉指示，并且驾驶员通过在4秒内激活挡风玻璃刮水器控制系统来响应，则反馈(激活挡风玻璃刮水器控制系统)将被确定已经为作为辅助指示的结果而发生。
图5示出了可以提示车辆1000的驾驶员提供反馈输入的辅助指示。在图5中，辅助指示5100(“调整到新的速度限制”)可以显示在显示单元5000上。辅助指示可以基于可通过远程计算设备访问的实时速度限制数据。车外数据可以包括交通规则，诸如速度限制、与交通规则相对应的位置、以及从聚合车外数据收集的车外数据。
相反，在替代实施方式中，如果风挡玻璃刮水器控制系统在辅助指示生成后30分钟被激活，则反馈输入不会被确定为已经作为辅助指示的结果而发生。
当车辆1000确定反馈不是根据辅助指示时，进入“否”分支到步骤3050以生成新的情景简档。响应于车辆1000确定反馈是根据辅助指示，进入“是”分支到步骤3750。
在步骤3750中，响应于反馈输入是根据辅助指令，车辆1000基于情境简档生成新的辅助简档。生成新的辅助简档包括将情境简档转换为新的辅助简档。生成或转换新的辅助简档以具有与多个辅助简档相同的格式，使得新的辅助简档中的属性的数量和类型将对应于多个辅助简档中的属性的数量和类型。
在步骤3800中，车辆1000将新的辅助简档添加到多个辅助简档。以这种方式，车辆1000可以基于驾驶员的反馈来学习和适应，从而提高辅助指令的相关性和质量。在添加新的辅助简档之后，方法3000返回到步骤3050以生成新的情境简档。
在步骤3700中，在生成指示之后，车辆1000可以执行辅助动作，诸如根据所选择的辅助指令激活或去激活控制系统输入。当从驾驶员处接收到肯定的反馈时，激活ICC的辅助指令之后跟随的是智能教程系统激活ICC系统。肯定的反馈可以是来自驾驶员的听觉指示。
在步骤3850中，当确定一个或多个控制系统输入是根据辅助指示时，车辆1000可以修改驾驶员身份数据。如上所讨论，确定是否响应于辅助指令激活控制系统输入中的一个或多个可以基于生成辅助指示和从驾驶员接收控制系统输入之间的时间间隔。车辆1000包括机器学习系统，其基于情境简档和驾驶员身份数据来修改驾驶员身份数据。
图9示出了从诸如车辆1000的车辆收集的实验数据9000。实验数据9000包括从车辆收集的数据，包括控制器(诸如控制器1300)能够选择与自动巡航控制(ACC)的激活相关的正确或适当的辅助指令的概率。正确或适当的辅助指令是对应于驾驶员实际使用控制系统(ACC)的辅助指令。驾驶概要9100示出了在实验时间段期间车辆行驶的距离、驾驶持续时间和行程次数的概要。如驾驶概要9100所示，行驶总距离为1037km的车辆运行总时长为31小时51分钟，并且总共用于57次行程。如柱形图9200所示，选择正确的辅助指令的比率在不到一个月的过程中显着增加，从小于25％到大于70％。
驾驶员身份数据的修改可以包括当响应于辅助指令激活一个或多个控制系统输入时增加驾驶员经验值。
驾驶员身份数据的修改可以包括响应于驾驶员经验值的增加而降低使用频率阈值。以这种方式，响应于控制系统输入被激活或去激活的总次数的增加，或者与控制系统输入相关联的特征的更频繁使用，车辆1000可以增加驾驶员经验水平。在修改驾驶员身份数据之后，方法3000返回到步骤3050。
尽管本公开描述了单个车辆作为车辆1000动作的源，但是其他类型的车辆可以被配置为执行如图3所示的智能教程的步骤。
一种非暂时性计算机可读存储介质包括可由一个或多个处理器运行的程序指令，当被运行时，该程序指令使得该一个或多个处理器执行操作，该操作包括：生成包括驾驶员身份数据、车辆状态数据或车外状态数据的情境简档，其中驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，车辆状态数据基于车辆的车辆控制状态，并且车外状态数据基于与一个或多个车外物体相对应的车外物体状态；将情境简档与包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据的多个辅助简档进行比较，其中，多个辅助简档对应于多个辅助指令；基于情景简档和多个辅助简档之间的比较，生成与多个辅助简档相对应的多个相似度值，其中多个相似度值的最大相似度值对应于多个辅助简档中与情景简档最相似的辅助简档，并且对应于多个使用频率值中对应于辅助简档的使用频率值；以及响应于使用频率值超过使用频率阈值，选择多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联。
非暂时性计算机可读存储介质还可以包括：基于辅助指令生成辅助指示，其中，辅助指示包括听觉指示、视觉指示或触觉指示；以及响应于指示自动系统控制的驾驶员身份数据，激活一个或多个控制系统输入以根据多个辅助指令中所选择的一个来改变车辆控制状态。
非暂时性计算机可读存储介质还可以包括：检测激活一个或多个控制系统输入的反馈输入；至少部分地基于在预定时间段过去之前发生的反馈输入来确定反馈输入何时是根据辅助指示；响应于反馈输入是根据辅助指令，将情境简档转换成对应于多个辅助简档的格式；将情景简档添加到多个辅助简档；并基于反馈输入修改驾驶员身份数据和使用频率阈值。
非暂时性计算机可读存储介质还可以包括：从一个或多个远程计算设备获得与地理状况数据、天气预报数据、交通状况数据、交通事故数据或车辆运输网络数据相关联的逆境状态值；基于逆境状态值修改使用频率阈值，其中，该修改包括基于逆境状态值增大或减小使用频率阈值。
非暂时性计算机可读存储介质还可以包括：确定车辆的车辆路径，以及车外物体的车外路径，其中车外路径基于车外物体的车外速度和车外方向，并且车辆路径基于车辆的车辆速度和车辆方向；确定车辆路径何时将交汇至少一条车外路径；以及延迟选择辅助指令，直到车辆路径已经被调整以避开车外路径，其中该调整包括改变车辆速度或车辆方向。
所公开的技术提供了车辆的优点，该车辆提供相关且及时的教程以更好地使驾驶员了解车辆的特征。除了增强驾驶经验之外，所公开的技术可以通过可能延长车辆寿命的对未充分利用的特征的使用的驾驶员教育和训练来减少车辆的磨损和损伤。此外，所公开的技术可以通过使驾驶员熟悉节能技术和优化车辆操作的车辆的其他特征来改善车辆的性能。
虽然已经结合某些实施例描述了本发明，但是应该理解，本发明不限于所公开的实施例，相反，本发明旨在覆盖包括在所附权利要求范围内的各种修改和等效布置，该范围将被赋予最广泛的解释，以便包括法律允许的所有这些修改和等效结构。

Claims (15)

1.一种提供用于车辆操作的智能教程的方法，所述方法包括：
由处理器生成包括驾驶员身份数据、车辆状态数据或车外状态数据的情境简档，其中所述驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，所述车辆状态数据基于车辆的车辆控制状态，并且所述车外状态数据基于与一个或多个车外物体相对应的车外物体状态；
由处理器将情景简档与多个辅助简档进行比较，所述多个辅助简档包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据，其中，所述多个辅助简档对应于所述多个辅助指令；
由处理器基于情境简档与所述多个辅助简档之间的比较，生成与所述多个辅助简档相对应的多个相似度值，其中所述多个相似度值的最大相似度值对应于所述多个辅助简档中与情境简档最相似的辅助简档，并且对应于所述多个使用频率值中对应于辅助简档的使用频率值；和
响应于所述使用频率值超过使用频率阈值，由处理器选择所述多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中所述辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联的。
2.如权利要求1所述的方法，还包括：
由处理器基于所述辅助指令生成辅助指示，其中所述辅助指示包括听觉指示、视觉指示或触觉指示。
3.如权利要求1所述的方法，还包括：
由处理器响应于指示自动系统控制的驾驶员身份数据来激活所述一个或多个控制系统输入，以根据所述多个辅助指令中所选择的一个辅助指令来改变车辆控制状态。
4.如权利要求2所述的方法，还包括：
由处理器检测激活一个或多个控制系统输入的反馈输入；
由处理器确定何时所述反馈输入是根据所述辅助指示的；
响应于所述反馈输入是根据所述辅助指令的，由处理器将情境简档转换成对应于所述多个辅助简档的格式；和
由处理器将情境简档添加到所述多个辅助简档。
5.如权利要求4所述的方法，其中，确定所述反馈输入是根据所述辅助指示的是至少部分地基于在预定时间段过去之前发生的反馈输入。
6.如权利要求4所述的方法，还包括：
由处理器基于所述反馈输入修改驾驶员身份数据；和
由处理器响应于所述反馈输入是根据所述辅助指令的来增加所述使用频率阈值。
7.如权利要求1所述的方法，还包括：
由处理器从一个或多个远程计算设备获得与地理状况数据、天气预报数据、交通状况数据、交通事故数据或车辆运输网络数据相关联的逆境状态值；和
由处理器基于所述逆境状态值修改所述使用频率阈值，其中，所述修改包括基于所述逆境状态值增大或减小所述使用频率阈值。
8.如权利要求1所述的方法，还包括：
由处理器确定车辆的车辆路径以及车外物体的车外路径，其中，所述车外路径基于车外物体的车外速度和车外方向，并且所述车辆路径基于所述车辆的车辆速度和车辆方向；
由处理器确定所述车辆路径何时将交汇所述车外路径中的至少一个；和
由处理器延迟选择所述辅助指令，直到所述车辆路径已经被调整以避开所述车外路径，其中所述调整包括改变所述车辆速度或所述车辆方向。
9.如权利要求1所述的方法，其中，所述多个辅助指令包括激活所述一个或多个控制系统输入或去激活所述一个或多个控制系统输入的指令，所述一个或多个控制系统输入包括自动驾驶输入、智能巡航控制输入、预测性前方碰撞警告输入、车道偏离预防输入、智能制动辅助或盲点警告输入。
10.一种用于在车辆中操作智能教程的装置，所述装置包括：
非暂时性存储器；和
处理器，被配置为运行存储在所述非暂时性存储器中的指令以：
生成包括驾驶员身份数据、车辆状态数据或车外状态数据的情境简档，其中驾驶员身份数据包括与多个辅助指令相对应的多个使用频率值，所述车辆状态数据基于车辆的车辆控制状态，并且所述车外状态数据基于与一个或多个车外物体相对应的车外物体状态；
将情景简档与多个辅助简档进行比较，所述多个辅助简档包括与驾驶员身份数据相对应的聚合身份数据、与车辆数据相对应的聚合车辆状态数据、或者与车外数据相对应的聚合车外状态数据，其中，所述多个辅助简档对应于所述多个辅助指令；
基于情景简档与所述多个辅助简档之间的比较，生成与所述多个辅助简档相对应的多个相似度值，其中所述多个相似度值的最大相似度值对应于所述多个辅助简档中与情境简档最相似的辅助简档，并且对应于所述多个使用频率值中对应于所述辅助简档的使用频率值；和
响应于所述使用频率值超过使用频率阈值，选择所述多个辅助指令中对应于与情境简档最相似的辅助简档的辅助指令，其中所述辅助指令是与用于改变车辆控制状态的一个或多个控制系统输入相关联。
11.如权利要求10所述的装置，其中，处理器还被配置为运行存储在所述非暂时性存储器中的指令以：
基于所述辅助指令生成辅助指示，其中所述辅助指示包括听觉指示、视觉指示或触觉指示。
12.如权利要求10所述的装置，其中，处理器还被配置为运行存储在所述非暂时性存储器中的指令以：
响应于指示自动系统控制的驾驶员身份数据来激活所述一个或多个控制系统输入，以根据所述多个辅助指令中所选择的一个来改变车辆控制状态。
13.如权利要求11所述的装置，其中，处理器还被配置为运行存储在所述非暂时性存储器中的指令以：
检测激活一个或多个控制系统输入的反馈输入；
至少部分地基于在预定时间段过去之前发生的反馈输入来确定所述反馈输入何时是根据所述辅助指示的；
响应于所述反馈输入是根据所述辅助指令的，将情境简档转换成对应于所述多个辅助简档的格式；
将情境简档添加到所述多个辅助简档；
基于所述反馈输入修改驾驶员身份数据；和
响应于所述反馈输入是根据所述辅助指令的来增加所述使用频率阈值。
14.如权利要求10所述的装置，其中，处理器还被配置为运行存储在所述非暂时性存储器中的指令以：
从一个或多个远程计算设备获得与地理状况数据、天气预报数据、交通状况数据、交通事故数据或车辆运输网络数据相关联的逆境状态值；和
基于所述逆境状态值修改所述使用频率阈值，其中，所述修改包括基于所述逆境状态值增大或减小所述使用频率阈值。
15.如权利要求10所述的装置，其中，处理器还被配置为运行存储在所述非暂时性存储器中的指令以：
确定车辆的车辆路径以及车外物体的车外路径，其中，所述车外路径基于车外物体的车外速度和车外方向，并且所述车辆路径基于车辆的车辆速度和车辆方向；
确定所述车辆路径何时将交汇至少一个所述车外路径；和
延迟选择所述辅助指令，直到所述车辆路径已经被调整以避开所述车外路径，其中所述调整包括改变所述车辆速度或所述车辆方向。
CN201780054130.5A 2016-07-29 2017-01-17 用于在车辆中操作智能教程的方法和装置 Active CN109690657B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/224,378 US10083620B2 (en) 2016-07-29 2016-07-29 Smart tutorial that learns and adapts
US15/224,378 2016-07-29
PCT/US2017/013753 WO2018022133A1 (en) 2016-07-29 2017-01-17 Smart tutorial that learns and adapts

Publications (2)

Publication Number Publication Date
CN109690657A true CN109690657A (zh) 2019-04-26
CN109690657B CN109690657B (zh) 2020-11-03

Family

ID=61011729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780054130.5A Active CN109690657B (zh) 2016-07-29 2017-01-17 用于在车辆中操作智能教程的方法和装置

Country Status (5)

Country Link
US (2) US10083620B2 (zh)
EP (1) EP3490864A4 (zh)
JP (1) JP6695494B2 (zh)
CN (1) CN109690657B (zh)
WO (1) WO2018022133A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110857098A (zh) * 2018-08-22 2020-03-03 通用汽车环球科技运作有限责任公司 可自动配置的车辆用户界面
CN112347459A (zh) * 2020-10-23 2021-02-09 上汽通用五菱汽车股份有限公司 Adas功能激活方法、智能车辆及计算机存储介质
CN113815613A (zh) * 2020-06-18 2021-12-21 现代摩比斯株式会社 使用事故历史信息的车辆视线盲区回避系统及其方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10325519B2 (en) * 2016-11-30 2019-06-18 Nissan North America, Inc. Vehicle tutorial system and method for sending vehicle tutorial to tutorial manager device
US10108191B2 (en) 2017-01-06 2018-10-23 Ford Global Technologies, Llc Driver interactive system for semi-autonomous modes of a vehicle
US10552430B2 (en) * 2017-01-17 2020-02-04 Microsoft Technology Licensing, Llc Increasing utilization of a computer system
JP7007216B2 (ja) * 2017-07-27 2022-01-24 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 情報処理方法、情報処理装置及び情報処理プログラム
JP7172440B2 (ja) * 2018-10-24 2022-11-16 株式会社デンソー 車載機及び教育システム
JP7180418B2 (ja) * 2019-01-30 2022-11-30 トヨタ自動車株式会社 変更操作支援装置
IT201900023244A1 (it) * 2019-12-06 2021-06-06 Ferrari Spa Metodo di assistenza per migliorare le prestazioni di un guidatore valutando la sua abilita' e filtrando le informazioni da fornire sulla base del valore ottenuto
DE102020001426A1 (de) 2020-03-05 2021-09-09 Daimler Ag Verfahren und Vorrichtung zur individuellen Einstellung von Komponenten eines Fahrzeuges in Abhängigkeit einer Technikaffinität eines Nutzers
KR102421224B1 (ko) * 2020-08-19 2022-07-18 주식회사 경신 자동차 튜토리얼 기능 제공 장치 및 방법
CN113232666A (zh) * 2021-03-10 2021-08-10 北华航天工业学院 基于驾驶辅助系统的车辆驾驶训练系统
KR102572305B1 (ko) * 2022-12-26 2023-08-29 한국자동차연구원 자율주행차량의 튜토리얼 서비스 시스템 및 이를 제공하는 방법
CN116039662B (zh) * 2023-03-30 2023-08-08 深圳曦华科技有限公司 自动驾驶控制方法及相关装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1470044A (zh) * 1999-02-26 2004-01-21 ض� 驾驶员训练系统
US20100036562A1 (en) * 2006-08-23 2010-02-11 Jan-Carsten Becker Driver Assistance System
CN102310856A (zh) * 2010-06-08 2012-01-11 福特全球技术公司 用于加速踏板控制的混合动力电动车辆动力系的控制方法
US20150044641A1 (en) * 2011-02-25 2015-02-12 Vnomics Corp. System and method for in-vehicle operator training
CN104512423A (zh) * 2013-09-26 2015-04-15 现代自动车株式会社 用于通知车辆功能的系统
CN104768130A (zh) * 2014-01-06 2015-07-08 哈曼国际工业有限公司 车辆内通知呈现调度

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8768286B2 (en) * 2001-10-24 2014-07-01 Mouhamad Ahmad Naboulsi Hands on steering wheel vehicle safety control system
US6731925B2 (en) * 2001-10-24 2004-05-04 Mouhamad Ahmad Naboulsi Safety control system for vehicles
JP2005050273A (ja) * 2003-07-31 2005-02-24 Denso Corp 車載機器操作支援システム
JP2008233678A (ja) * 2007-03-22 2008-10-02 Honda Motor Co Ltd 音声対話装置、音声対話方法、及び音声対話用プログラム
WO2009030419A2 (de) * 2007-08-28 2009-03-12 Valeo Schalter Und Sensoren Gmbh Verfahren und anordnung zur auswertung von helligkeitswerten in sensorbildern bei bildauswertenden umfelderkennungssystemen, insbesondere hinsichtlich einer tag-/nachtunterscheidung
EP2242674B1 (de) * 2008-02-20 2012-12-12 Continental Teves AG & Co. oHG Verfahren und assistenzsystem zum erfassen von objekten im umfeld eines fahrzeugs
US8750902B2 (en) * 2011-05-31 2014-06-10 Verizon Patent And Licensing Inc. User profile-based assistance communication system
CN104641406B (zh) * 2012-09-17 2017-07-14 沃尔沃卡车集团 用于向车辆驾驶员提供指导消息的方法和系统
DE112012007124T5 (de) 2012-11-13 2015-07-23 Toyota Jidosha Kabushiki Kaisha Fahrassistenzvorrichtung und Fahrassistenzverfahren
JP5617942B2 (ja) * 2013-02-05 2014-11-05 株式会社デンソー 車載装置の制御システム
KR101555444B1 (ko) 2014-07-10 2015-10-06 현대모비스 주식회사 차량탑재 상황감지 장치 및 그 방법
US9674880B1 (en) * 2014-11-04 2017-06-06 Dell Products, Lp Method and apparatus for a smart vehicle gateway with connection context aware radio communication management and multi-radio technology
US9376117B1 (en) * 2015-03-23 2016-06-28 Toyota Jidosha Kabushiki Kaisha Driver familiarity adapted explanations for proactive automated vehicle operations

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1470044A (zh) * 1999-02-26 2004-01-21 ض� 驾驶员训练系统
US20100036562A1 (en) * 2006-08-23 2010-02-11 Jan-Carsten Becker Driver Assistance System
CN102310856A (zh) * 2010-06-08 2012-01-11 福特全球技术公司 用于加速踏板控制的混合动力电动车辆动力系的控制方法
US20150044641A1 (en) * 2011-02-25 2015-02-12 Vnomics Corp. System and method for in-vehicle operator training
CN104512423A (zh) * 2013-09-26 2015-04-15 现代自动车株式会社 用于通知车辆功能的系统
CN104768130A (zh) * 2014-01-06 2015-07-08 哈曼国际工业有限公司 车辆内通知呈现调度

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110857098A (zh) * 2018-08-22 2020-03-03 通用汽车环球科技运作有限责任公司 可自动配置的车辆用户界面
CN113815613A (zh) * 2020-06-18 2021-12-21 现代摩比斯株式会社 使用事故历史信息的车辆视线盲区回避系统及其方法
CN113815613B (zh) * 2020-06-18 2023-12-01 现代摩比斯株式会社 使用事故历史信息的车辆视线盲区回避系统及其方法
US11884267B2 (en) 2020-06-18 2024-01-30 Hyundai Mobis Co., Ltd. System for avoiding blind spot of vehicle using accident history information and method thereof
CN112347459A (zh) * 2020-10-23 2021-02-09 上汽通用五菱汽车股份有限公司 Adas功能激活方法、智能车辆及计算机存储介质

Also Published As

Publication number Publication date
US10909873B2 (en) 2021-02-02
JP6695494B2 (ja) 2020-05-20
WO2018022133A1 (en) 2018-02-01
EP3490864A4 (en) 2020-01-22
EP3490864A1 (en) 2019-06-05
CN109690657B (zh) 2020-11-03
US20180033327A1 (en) 2018-02-01
US10083620B2 (en) 2018-09-25
JP2019526130A (ja) 2019-09-12
US20190012927A1 (en) 2019-01-10

Similar Documents

Publication Publication Date Title
CN109690657A (zh) 学习和适应的智能教程
US11934962B2 (en) Object association for autonomous vehicles
US20210280055A1 (en) Feedback performance control and tracking
US10449962B2 (en) System and method for vehicle control using vehicular communication
US10286913B2 (en) System and method for merge assist using vehicular communication
US10286915B2 (en) Machine learning for personalized driving
US20200376927A1 (en) Artificial intelligence in conditioning or thermal management of electrified powertrain
US20180203443A1 (en) Method and system for using weather information in operation of autonomous vehicles
CN108137050A (zh) 驾驶控制装置、驾驶控制方法和程序
CN108137052A (zh) 驾驶控制装置、驾驶控制方法和程序
CN107117165A (zh) 自主概率控制
CN107117166A (zh) 自主危险控制
US11718312B2 (en) Auditory assistant module for autonomous vehicles
CN107117179A (zh) 基于乘员注意的自主控制
CN107117162A (zh) 自主车辆控制转换
US11237241B2 (en) Microphone array for sound source detection and location
US10252729B1 (en) Driver alert systems and methods
CN107368069A (zh) 基于车联网的自动驾驶控制策略的生成方法与生成装置
EP4334182A1 (en) Stages of component controls for autonomous vehicles
Stanchev et al. Autonomous cars. History. State of art. Research problems
Bayyou Artificially intelligent self-driving vehicle technologies, benefits and challenges
US20220274623A1 (en) System and Method for Vehicle Gamification
US20210357177A1 (en) Vehicle control device and vehicle control method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240506

Address after: Kanagawa Prefecture, Japan

Patentee after: NISSAN MOTOR Co.,Ltd.

Country or region after: Japan

Patentee after: RENAULT S.A.S.

Country or region after: France

Address before: Tennessee

Patentee before: NISSAN NORTH AMERICA, Inc.

Country or region before: U.S.A.

Patentee before: RENAULT S.A.S.

Country or region before: France